FHBB l Departement Wirtschaft l Informationssysteme für das Management Michael Pülz, Hanspeter Knechtli Lernziele Den Unterschied zwischen operativen und analytischen Informationssystemen beschreiben können Die Begriffe Führungsinformationssystem, Entscheidungsunterstützungssysteme, Expertensystem und Business Intelligence einordnen und beschreiben können Erläutern können, wie Data Warehouses und Data Marts funktionieren und wo sie eingesetzt werden Die Grundidee des OLAP erläutern können Den Begriff des Data Mining beschreiben und einige Methoden benennen können 2 19.06.2006 1
FHBB l Departement Wirtschaft l Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 3 Operative Ebene Jessup/Valacich: Information Systems Today, 2006 4 19.06.2006 2
FHBB l Departement Wirtschaft l Mittleres Management Jessup/Valacich: Information Systems Today, 2006 5 Topmanagement Jessup/Valacich: Information Systems Today, 2006 6 19.06.2006 3
FHBB l Departement Wirtschaft l Unterteilung nach Management-Ebenen Benutzergruppen Aufgabenschwerpunkte Datentransformation Sachbearbeiter Geschäftsleitung Geschäftsbereichsleiter Führungs- informations- System Datentransformation Planung Controlling Data Mart Vertrieb International Abteilungsleiter Data Data Mart Warehouse Kostenstellenleiter Personal Data Mart Kunden Analytische Kontrolle Systeme Disposition Operative Systeme Administration Vertrieb Beschaffung Produktion Personal Rechnungswesen Abts/Mülder: Grundkurs, S.230 7 Operative versus analytische Systeme Operative Aufgaben Massen- und Routinearbeiten Datenerfassung und -pflege Anforderung an Daten: funktional anwendungsbezogene EVAS; Daten können überschrieben, gelöscht werden OLTP: online transactional processing Analytische Aufgaben Selektion und Aggregation Entscheidungsvorbereitung Statistische Auswertung und Kennzahlenbildung Prognose Anforderung an Daten: kontextbezogene Abbildung realer Informationsobjekte, Dokumentation OLAP: online analytical processing 8 19.06.2006 4
FHBB l Departement Wirtschaft l Operative versus analytische Systeme Inhalt Organisation Operative Datenbank aktuelle Werte, sehr detailliert, unübersichtlich nach Applikation, redundanzarm Analytische Datenbank aggregierte, historische und abgeleitete Daten (Auszüge) nach Sachthema, z. T. denormalisiert Stabilität dynamisch statisch mit periodischer Ergänzung Struktur optimiert für Transaktionen optimiert für komplexe Abfragen (Queries) Zugriffshäufigkeit hoch niedrig Zugriffstyp lesen/schreiben/löschen lesen/aggregieren Nutzung repetitiv, vorhersehbar, wenig benutzerfreundlich ad hoc, unstrukturiert Antwortzeiten Millisekundenbereich mehrere Sekunden bis Minuten 9 Analytische Informationssysteme Analytische Informationssysteme Berichtsorientierte Ansätze Informations präsentation Kennzahlen und Auswertungen Führungsinformationssystem Modellorientierte Ansätze Berechnungen und Modelle Expertensysteme Entscheidungsunterst.system Datenbasis und Datenanalyse OLAP Data Warehouse Data Mining Data Mart Abts/Mülder: Grundkurs, S.232 10 19.06.2006 5
FHBB l Departement Wirtschaft l Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 11 Führungsinformationssysteme: Beispiel Management Cockpit von SAP 12 19.06.2006 6
FHBB l Departement Wirtschaft l Führungsinformationssysteme: Beispiel Jessup, Valacich: Information Systems Today 13 Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 14 19.06.2006 7
FHBB l Departement Wirtschaft l Entscheidungsunterstützungssysteme Werkzeuge zur Vorbereitung, Unterstützung und Verbesserung von Entscheidungen keine Automatisierung der gesamten Entscheidung Malaga, R.: Information Systems Technology 15 Entscheidungsunterstützungssysteme: Expertensysteme Künstliche Intelligenz (KI artificial intelligence) Expertensysteme natural language processing (NLP) Bildverarbeitung Robotics Expertensysteme: Verstehen und Lösen von Problemen Erklärung des gefundenen Ergebnisses Eigenständiges Erwerben von neuem Wissen (bislang kaum möglich) Einsatzgebiete von Expertensystemen: medizinische Diagnostik, Militär, Betrugserkennung (Kreditkarten), Überwachung chemischer Prozesse, online-lernen, Wettervorhersage, Maschinenkonfiguration, etc. 16 19.06.2006 8
FHBB l Departement Wirtschaft l Entscheidungsunterstützungssysteme: Expertensysteme Nutzer Wissenserwerbskomponente Problemlösungskomponente Dialogkomponente Erklärungskomponente Wissensbasis Fakten Hintergrundwissen Regeln Abts/Mülder: Grundkurs, S.241 17 Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 18 19.06.2006 9
FHBB l Departement Wirtschaft l Data Warehouse Data Warehouse, dt. analytische Datenbank, wörtlich: Lagerhaus für Daten synonym: Information Warehouse Definition: Sammlung aufbereiteter Daten für Analysen und Berichte für das Management Ziele Informationsflut lenken Daten aus unterschiedlichen Datenbeständen systematisch zusammenführen Daten unabhängig von den operativen Systemen organisieren geeignete Datenbasis für die analytische, entscheidungsorientierte Datenverarbeitung schaffen 19 Merkmale der Daten im Data Warehouse themenorientiert: Die Organisation der Daten orientiert sich an den analytischen Fragestellungen vereinheitlicht: gilt insbesondere für die Datenformate (!!) Beispiel: Alle Datumsangaben werden in der Form DD.MM.YYYY gespeichert beständig: Daten im Data Warehouse sind nicht flüchtig, d.h. sie können durch die operativen System nicht mehr verändert werden Ausnahme: Archivierung periodenbezogen: Die Zeit als Bezugsgrösse wird durch einen Zeitstempel explizit erfasst 20 19.06.2006 10
FHBB l Departement Wirtschaft l Data Warehouse Prozess Laudon & Laudon, Prentice Hall, p. 337 21 Technik und Datenmodellierung im DaWa ETL-Prozess: zur Überführung der Daten aus Transaktionssystemen und externen Datenbanken in ein Data Warehouse Extract Transform Load zentral: abfragefreundliches Datenmodell spezielles, analytisches Datenmodell ( Sternschema ) Trennung von Fakten und Dimensionen Beispiel: Wie gross ist der Monatsumsatz des Produktes A in der Region B? Fakt: Dimensionen: 22 19.06.2006 11
FHBB l Departement Wirtschaft l Beispiel: Sternschema im DaWa http://de.wikipedia.org/wiki/bild:sternschema.png 23 Data Warehouse und Data Mart Auswertungen Auswertungen Auswertungen Data Mart Data Mart Data Warehouse Data Mart Data Mart Data Warehouse operative Daten externe Daten operative Daten externe Daten operative Daten externe Daten Abts/Mülder: Grundkurs, S.244 24 19.06.2006 12
FHBB l Departement Wirtschaft l Unterschiede zwischen Data Warehouse und Data Mart Abts/Mülder: Grundkurs, S.245 25 Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 26 19.06.2006 13
FHBB l Departement Wirtschaft l Analysen mit OLAP-Werkzeugen OLAP = Online Analytical Processing Abfragemethode, 1993 von E. F. Codd entwickelt (Codd hat auch die Grundlagen der relationalen Datenbanken entwickelt, 2003 gestorben) Endbenutzerwerkzeuge, die so einfach zu bedienen sind, dass auch eine nur gelegentliche Nutzung möglich ist Verbindung von Abfrage und Analyse Auswertung der Daten nach verschiedenen Dimensionen (mehrdimensionaler Zugriff) mehrdimensionale Kennzahlenermittlung, z.b. nach Region, Periode, Produktgruppe Ziel: Informationsverdichtung, um Entscheidungsträger zu informieren http://en.wikipedia.org/wiki/edgar_f._codd 27 Beispiel eines zweidimensionalen OLAP- Datenwürfels Quelle FOIS: adapted from Dhar, p. 44 28 19.06.2006 14
FHBB l Departement Wirtschaft l Beispiel eines dreidimensionalen OLAP- Datenwürfels Quelle FOIS: adapted from Dhar, p. 45 29 OLAP Slice: 2-dimensionaler Ausschnitt Quelle FOIS: adapted from Schweinsberg & Messerschmidt 30 19.06.2006 15
FHBB l Departement Wirtschaft l OLAP Dice: Rotation Quelle FOIS: adapted from Schweinsberg & Messerschmidt 31 OLAP Drill-down Quelle FOIS: adapted from Schweinsberg & Messerschmidt 32 19.06.2006 16
FHBB l Departement Wirtschaft l Bsp.: Cognos PowerPlay http://www.cognos.com/testdrive/powerplay/index.html?lid=powerplay_testdrive 33 Bsp.: Cognos PowerPlay http://www.cognos.com/products/demos Zugriff: 11.Mai 2006 34 19.06.2006 17
FHBB l Departement Wirtschaft l Bsp.: Cognos PowerPlay http://www.cognos.com/products/demos, Zugriff: 11.Mai 2006 35 Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 36 19.06.2006 18
FHBB l Departement Wirtschaft l Data Mining 37 Data Mining Schürfen nach Daten Erkennung von Regeln und Mustern in grossen Datenbeständen automatisiert oder halbautomatisiert Komplexe Methoden, z.b.: Klassifikation (Zuteilung zu vordefinierten Klassen) Clustering (Gruppenbildung) Regression (Abhängigkeiten zwischen Variablen) Künstlichen Intelligenz (KI), u.a. neuronale Netze 38 19.06.2006 19
FHBB l Departement Wirtschaft l Data Mining: Bsp. Clustering Quelle: FOIS, DSS II 39 Data Mining: Bsp. Regression Streudiagramm mit r = 0,9 r = 1; y = a + bx http://de.wikibooks.org/wiki/mathematik:_statistik:_korrelationsanalyse 40 19.06.2006 20
FHBB l Departement Wirtschaft l Data Mining: Neuronale Netze Reif, Gerald: Moderne Aspekte der Wissensverarbeitung. Diplomarbeit an der Universität Graz, 2000 41 Data Mining: Anwendungsbeispiele Warenkorbanalysen Antwortrate nach einem Direct Mailing Vorhersage der Kundenfluktuation Kreditwürdigkeitsbeurteilung Entdeckung von Kreditkartenbetrug Analyse von Zahlungsgewohnheiten grosser Anwendungsbereich: Vorhersage 42 19.06.2006 21
FHBB l Departement Wirtschaft l Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 43 Business Intelligence Endbenutzer Zugriff, Präsentation, Navigation Portal Datenanalyse OLAP Kennzahlen Datenbereitstellung Data Marts FIS Data Mining Text Mining Web Mining Data Warehouse Vertikale Integration Externe Operative Datenbestände Daten Abts/Mülder: Grundkurs, S.251 44 19.06.2006 22
FHBB l Departement Wirtschaft l Fazit Die in den Datenbanken der operativen Systeme gespeicherten Daten sind für die Verarbeitung in analytischen Systemen nur bedingt geeignet. Vor einer analytischen Verarbeitung müssen die Daten extrahiert, zusammengeführt, aufbereitet und separat gespeichert werden. Für die Auswertung grosser Datenmengen zum Zweck der Entscheidungsunterstützung werden spezielle Verfahren benötigt. 45 Literatur Abts, D.; Mülder, W.: Grundkurs. 5. Auflage, Wiesbaden: Vieweg 2004 Jessup, L.; Valacich, J.: Information Systems Today, Prentice Hall Upper Saddle River 2005 Laudon, K.; Laudon, J.; Schoder, D.: Eine Einführung, Pearson, München 2006 Malaga, R.: Information Systems Technology. Prentice Hall, Upper Saddle River 2005 46 19.06.2006 23
FHBB l Departement Wirtschaft l Fragen 1. Erläutern Sie den Unterschied zwischen operativen (transaktionsorientierten) und analytischen Anwendungssystemen? 2. Weshalb nennt man die operativen Anwendungssysteme auch transaktionsorientierte Anwendungssysteme? 3. Wie unterscheiden sich Expertensysteme von normalen betrieblichen Informationssystemen? 47 Backup-Folien 19.06.2006 24
FHBB l Departement Wirtschaft l Führungsinformationssysteme: Beispiel Manager Portal 49 19.06.2006 25